文献

J-GLOBAL ID：201802274759494040   整理番号：18A0161582

音声におけるアンサンブルに基づくうつ病検出【Powered by NICT】

Ensemble-based depression detection in speech

著者 (5件)： Liu Zhenyu (Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University) ,  Li Changcong (Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University) ,  Gao Xiang (Gansu Provincial Key Laboratory of Wearable Computing, School of Information Science and Engineering, Lanzhou University) ,  Wang Gang (Beijing Anding Hospital of Capital Medical University, Beijing, China) ,  Yang Jing (Lanzhou University Second Hospital, Lanzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 975-980  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： は迅速,簡便で非侵襲適であることから音声信号を用いたうつ病検出は魅力的な話題になってきている。うつ病分類性能の改善を目的とした多くの研究。本研究は欝病検出におけるアンサンブル学習の適用を調べ,集団における三発話スタイル(面接,リーディングと画像記述)を比較した。184名の被験者(92うつ病患者および92人の健康な対照)から収集音声データセットはこれらの目的のために使用した。結果は,アンサンブル学習者は,個々の学習者よりも良好に機能することを示した。インタビューは,音声獲得のための読みと画像記述よりもより効果的な発話スタイルである。これらの知見は,面接のアンサンブルモデルに基づくマルチ発話は欝病を検出するための最良の方法であることを示唆する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  面接調査 ,  音声信号 ,  発話 ,  *うつ病 ,  患者
準シソーラス用語： 学習者 ,  健康 ,  被験者 ,  アンサンブル学習 ,  非侵襲 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 音声 ,  アンサンブル ,  うつ病